Terminale S Chapitre 10 «Loi Normale» 21/03/2013
|
|
- Norbert Petit
- il y a 7 ans
- Total affichages :
Transcription
1 Termiale S Chapitre «Loi Normale» /3/3 I) Itroductio O fait ue étude statistique de la taille des idividus d'ue populatio. Das chaque cas, la taille moyee est de 7 cm, avec u écart type de cm. O trace les histogrammes de la taille, avec des classes de 5cm de large. Echatillo de idividus Echatillo de idividus taille (cm) taille (cm) Echatillo de idividus Echatillo de. idividus taille (cm) taille (cm) o m b r e d i d i v i d u s 6 4 Echatillo de. idividus taille (cm) Au fur et à mesure que la taille de l'échatillo augmete (et que la taille des classes dimiue), l'histogramme deviet de plus e plus régulier et se rapproche d'ue courbe e cloche, appelée loi ormale. O parle de loi ormale lorsque l o a ue variable aléatoire cotiue dépedat d u grad ombre de causes idépedates dot les effets s additioet et dot aucue est prépodérate (coditios de Borel). Historiquemet, cette loi acquiert sa forme défiitive avec Gauss (e 89) et Laplace (e 8). C est pourquoi elle porte égalemet les oms de : loi de Laplace, loi de Gauss ou loi de Laplace- Gauss. La distributio ormale est ue distributio théorique, e ce ses qu'elle est ue idéalisatio mathématique qui e se recotre jamais eactemet das la ature. Mais de ombreuses distributios réellemet observées s e rapprochet et ot cette fameuse forme de «cloche» (beaucoup d idividus autour de la moyee, de mois e mois au fur à mesure qu o s e éloige, et ceci de faço symétrique).
2 II) La loi biomiale pour u grad ombre d épreuves Rappel : = et σ = p( p) O cosidère ue variable aléatoire qui suit la loi biomiale B, p. associe le ombre de succès lors de répétitios d'ue épreuve de Beroulli de paramètre p. Das ce cas, Eercice : E p O cosidère ue variable aléatoire qui suit la loi biomiale (,.3) Costruire u tableau de la loi de. Réaliser u histogramme de cette loi. E faisat varier : B. La "cloche" se décale de gauche à droite Pour élimier cet effet de décalage, il suffit d'ôter l'espérace µ = p. La variable est alors cetrée. E faisat varier p : La "cloche" est plus ou mois large et haute. Pour élimier cette dispersio, il suffit de diviser par l'écart type σ = p ( p) Propriété : ] [ E ( ) Z = σ ( ) σ Etat doés N et p,, o cosidère ue variable aléatoire qui suit la loi biomiale B, p. O lui associe la variable cetrée réduite. O a alors N, E Z = et Z =. Pour des grades valeurs de l histogramme de la variable Z décrit ue courbe e cloche. Cette courbe est la desité de la loi ormale cetrée réduite. O le démotrera plus tard, c est le théorème de Moivre-Laplace.
3 III) Loi ormale cetrée réduite Défiitio : Soit Z ue variable aléatoire cotiue à valeurs das l'itervalle R. O appelle loi ormale cetrée réduite, otée N (, ) sur Z la loi ayat pour desité f ( ) = e. π O a alors P a Z b = Remarques : π b a e d. La foctio de desité est paire. Sa représetatio graphique est appelée courbe e cloche. Elle est symétrique par rapport à l ae des ordoées. C est bie ue foctio de desité. Elle est cotiue, positive et o admettra que + e d =. π Il est pas possible de détermier ue forme eplicite des primitives de la foctio e. π O utilise des tables ou la calculatrice pour détermier des valeurs approchées des itégrales. p Z = e d.68 ) Avec la calculette : Pour tracer la foctio de desité : NormPD La foctio ormalpdf ormpdf casio TI TI spire Pour calculer ue probabilité : NormCD La foctio ormalcdf ormcdf casio TI TI spire permet de tracer permet de calculer ( ) ( ) NormPD f = e ormalpdf π ormpdf pour calculer l itégrale. NormCD, ( a b) ( a b) P a b = ormalcdf a, b. ormcdf, O peut doer à a et le b des valeurs ifiis avec ou + Eemple : P, P, P 3 3. Calculer Doer le résultat sous forme de pourcetage troqué à l etier Eercice : Si ue variable aléatoire suit la loi N (,) 3 près de P(.3.6) P(.5 ) et P(.), utiliser la calculatrice pour détermier des valeurs approchées à
4 ) Graphiquemet à partir de la courbe de desité : Eemple : Soit Z ue variable aléatoire suivat la loi N (,) dot la foctio de desité est tracée ci-cotre. Estimer graphiquemet à 5% près : ) P( ) ) P( ) 3) Avec ue table : O appelle Π la foctio qui à R associe Π ( ) = P( ) Propriété : Si Z suit la loi N (, ) alors a, b R, Π ( ) =, Π ( a) = Π ( a) P Z b = Π b, P a Z b = Π b Π a, P a Z = Π a et P a Z a = Π a Remarque : Avat l utilisatio massive des calculatrices, o utilisait des tables de valeurs de la foctio Π pour calculer des probabilités avec la loi ormale. Eemple : Cette table doe les valeurs de la foctio P( Z ) Z N π : < où suit la loi,.. Utiliser cette table pour calculer doer des valeurs approchées de : P( Z <.4) P(.6 < Z <.4) et P(.6 < Z ) 4) Calculs d atécédets pour la foctio : Etat doée u réel ],[, o peut aussi chercher la valeur telle que π ( ) Pour cela o peut utiliser la foctio IvNormCD ivnorm casio TI et spire permet de calculer Eemple : Détermier a tel que Π ( a) =.75 puis b tel que P( b Z b) =.5 =. ( ) ( ) IvNormCD = ivnorm
5 5) Espérace et écart type Propriété : Espérace et Variace V ( Z ) Si est ue variable aléatoire qui suit la loi ormale cetrée réduite N ;, alors E Z = et =. Dem : + + E ( ) = e d = e = lim e lim e = ( ) = π π π + π V E E E d π + = = = e = ( se démotre avec ue IPP) IV) Le cas gééral : La loi ormale Défiitio : Soit ue variable aléatoire cotiue à valeurs das l'itervalle R. O dit que suit la loi ormale de paramètres µ et σ otée N µ, σ Z µ si la variable aléatoire associée Z = suit la loi N (, ). σ a µ b µ P( a b) = P Z σ σ ) Avec la calculette : Pour calculer des probabilités : NormCD la foctio ormalcdf ormcdf casio TI TI spire permet de calculer NormCD,, ( a b σ, µ ) ( µ σ ) ( a b, µ, σ ) P a b = ormalcdf a, b,, ormcdf, Attetio à l'ordre des paramètres!!!! O peut doer à a et le b des valeurs ifiis avec ou Eemples : ) Si N ( 5, ), détermier P( 4 6) ) Si N ( 7,3 ), détermier P( 8) 3) Si N (, ), détermier P( ) Eercice 3 : O ote la variable aléatoire qui, à chaque homme prélevé au hasard, associe sa taille e cetimètres. O suppose que suit la loi ormale de moyee 78 et d'écart-type. Détermier la probabilité de chacu des évéemets suivats : ) A : «U homme iterrogé au hasard a ue taille supérieure ou égale 8» ) B : «U homme iterrogé au hasard a ue taille strictemet iférieure à 5» 3) C : «U homme iterrogé au hasard a ue taille comprise etre 6 et 85» Eercice 4 : Détermier σ coaissat ue valeur Soiet et Z des variables aléatoires suivat respectivemet les lois (, ) 5 > < = P Z < σ ) Motrer que σ, P( 5) < = ) Doer le réel tel que P( Z ).8 N σ et N (,)
6 3) E déduire la valeur de σ telle que P( < 5) =.8 Eercice 5 : Détermier µ coaissat ue valeur Soiet et Z des variables aléatoires suivat respectivemet les lois (,4 ) µ µ P > = P Z > 4 ) Motrer que R, ( ) > = ) Doer le réel tel que P( Z ). 3) E déduire la valeur de µ telle que P( > ) =. ) Avec ue table : N µ et N (,) π : < où suit la loi,.. O utilise ecore ue table de valeurs de la foctio P( Z ) Z N Par eemple : Si ue variable aléatoire qui suit la loi ormale de paramètres µ = et σ = 3., pour calculer la, o pose Z = qui suit la loi ormale cetrée et réduite. 3. Comme Z.4 3. P 7 5 = P.4 Z.4 = Π.4 Π.4 =.89.8 =.78 probabilité P( 7 5) 3) Espérace et écart type Propriété : V ( ) alors E et. ( σ ) Si est ue variable aléatoire qui suit la loi ormale N µ,, = µ = σ µ Dem : O pose Z =. D'après le cours, la variable Z suit la loi N (, ) et E ( Z ) = et V ( Z ) =. σ Comme σ Z + µ, par liéarité E = E σ Z + µ = σ E Z + µ = µ. = ( σ ) σ σ E ( Z ) µ E ( Z ) µ µ E ( Z ) µ E ( Z ) = = = = O a V = E E = E Z + µ µ = E Z + µ Z + µ µ = σ + σ + σ = σ + σ = σ car E Z et V Z E Z E Z E Z A coaitre : N ( µ σ ) Z N Si, et, alors ( [ σ + σ ]) = ( [ ]) ( [ σ + σ ]) = ( [ ]) ( [ σ + σ ]) = ( [ ]) P µ, µ P Z,.683 P µ, µ P Z,.954 P µ 3, µ 3 P Z 3,3.997
7 µ Dem : Si est ue variable aléatoire qui suit la loi ormale N ( µ, σ ), alors Z = suit la loi N (, ). σ µ i σ µ µ µ + i σ µ O a alors : µ iσ µ + iσ i Z i pour i N. σ σ σ Eercice 6 : O suppose que la glycémie est distribuée ormalemet das la populatio avec ue moyee de g/l et u écart-type de.3 g/l. O mesure la glycémie chez u idividu. ) Calculer la probabilité pour que sa glycémie soit iférieure à.6. ) Calculer la probabilité pour que sa glycémie soit comprise etre.94 et.8. 3) O mesure la glycémie chez idividus. Doer le ombre moye d idividus dot la glycémie est supérieure à.99. 4) Doer le tau moye de la glycémie das la populatio. Eercice 7 : Ue usie utilise ue machie automatique pour remplir des flacos coteat u certai produit e poudre. Par suite de variatios aléatoires das le mécaisme, le poids de poudre par floco est ue variable aléatoire de loi ormale de moyee m et d écart type. mg. Les flacos sot vedus comme coteat mg de produit. ) La machie est réglée sur m =. mg. Quelle est la probabilité que le poids de produit das u flaco soit iférieur au poids aocé de mg? ) Doer ue valeur approchée de la valeur de m sur laquelle il faut régler la machie pour qu au plus 4 % des flacos aiet u poids iférieur au poids aocé de mg? ère méthode : O pourra tracer la courbe de la foctio P ( ) ème méthode : O pourra utiliser la démarche de l eercice 5. V) Théorème de Moivre-Laplace ) Covergece de la loi biomiale Théorème de Moivre - Laplace : E ( ) ( ). N,. ] [ Pour tous N et p ;, o cosidère ue variable aléatoire qui suit la loi biomiale B, p. et Z = σ la variable cetrée réduite associée. Alors a, b R, tels que a b, o a lim P ( a Z b b < ) e. a π d + = Applicatio pratique : O cosidère que la limite das la théorème de Moivre-Laplace est pratiquemet atteite lorsqu o a simultaémet p ( p) 3, 5 et 5. C est-à-dire u échatillo de taille supérieure ou égale à 3 avec ue espérace de posséder ou pas le caractère supérieure ou égale à 5. Das ces coditios Eemple : p P a b P a Z b p ( p) où Z N (,).
8 B p ( p) ( 8 ) = ( = 8) + ( = 9) + ( = ) + ( = ) + ( = ) Avec 6,.5, o a bie : = 6 3, = 6.5 = 5 5 et = 6.75 = P P P P P P = O a p = 5 p( p) = et Z = N (,) P( 8 ) = P = P(.89 Z 9.84) = Eercice 8 : (BTS biochimie 994) O effectue des cotrôles d alcoolémie d automobilistes das ue régio doée, u jour doé, pedat ue période horaire doée. Les statistiques permettet d établir que la probabilité pour qu u automobiliste choisi au hasard das les coditios précédetes présete u cotrôle positif est. O cosidère u échatillo de la 5 populatio costitué de automobilistes dot o veut cotrôler le tau d alcoolémie das les coditios précédetes. O appelle la variable aléatoire comptat le ombre de cotrôles positifs parmi ces. ) Quelle loi suit la variable? E doer les paramètres. Calculer l espérace et l écart type de. ) Calculer la probabilité que soit compris etre 33 et 43. 3) Est-il raisoable d utiliser ue approimatio ormale pour calculer cette probabilité? Quels sot alors ses paramètres. 4) E utilisat cette loi ormale calculer les probabilités P( ) P( ) 36 et Eercice 9 : (BTS biochimie 998) Das u pays d Afrique, 5% de la populatio est atteite du virus du sida. Partie A : La stratégie de dépistage met e place u test biologique qui doit être égatif si la sujet est sai, et positif si le sujet est cotamié. La probabilité qu u test soit positif sachat que le sujet est sai est.4. La probabilité qu u test soit égatif sachat que le sujet est cotamié est.4. O choisit u idividu au hasard das ce pays. ) Calculer la probabilité que le test soit positif et l idividu sai. ) Calculer la probabilité que le test soit égatif et l idividu cotamié. 3) E déduire la probabilité que le résultat soit erroé. Partie B : Ue campage de dépistage est mise e place sur u échatillo de 5 persoes prises au hasard das la populatio. O suppose que l effectif de la populatio est très grad. O suppose que les risques d erreur du test sot égligeables et o admet que la probabilité qu u test réalisé sur ue persoe prise au hasard soit positif est.5. O appelle la variable aléatoire qui compte le ombre de tests positifs sur les 5 tests effectués. ) Quelle est la loi de probabilité de la variable aléatoire? Calculer so espérace et so écart type. ) Par quelle loi peut-o approcher la loi défiie ci-dessus? 3) E utilisat cette approimatio, calculer la probabilité que plus de 8 idividus soiet positifs au test. Eercice : U revedeur de téléphoes désire s implater das ue galerie marchade. Il estime qu il pourra vedre 4 appareils par jour et les vetes sot deu à deu idépedates. Ue étude lui a motré que, parmi les différetes marques dispoibles, la marque A réalise 38.6 % du marché. ) O appelle la variable aléatoire qui compte le ombre d appareils de marque A vedus ce jour-là. ) a) Epliquer pourquoi suit ue loi biomiale. Préciser ces paramètres. b) Calculer la probabilité que, sur 4 appareils vedus par jour, soiet de marque A. Calculer l espérace de. Calculer l écart type à. près.
9 3) O décide d approcher cette loi par ue loi ormale de paramètres µ et σ a) Epliquer pourquoi µ = 5.44 et σ = 3 b) O ote Y la variable aléatoire qui suit la loi ormale N ( 5.44,3). Doer ue valeur approchée à. près de P( 9.5 Y.5) c) Détermier la probabilité de l évéemet : «u jour doé, au mois des appareils vedus sot de marque A». d) Détermier ue valeur approchée de l évéemet : «u jour doé, le ombres d appareils de marque A vedus est compris etre 5 et 5». ) Itervalles de fluctuatio La populatio O étudie u caractère das ue populatio. Chacu des idividus possède ce caractère ou pas. O ote p la proportio du caractère das la populatio. L échatillo U échatillo de taille de cette populatio est costitué des résultats de répétitios idépedates de la même epériece. O ote la variable aléatoire qui compte de ombre de succès (l idividu possède le caractère). Cette variable suit ue loi biomiale (, ) B p d espérace p et d écart type p( p). Propriété : N ] [ u P( u Z u ) Si Z est ue variable aléatoire qui suit la loi ormale cetrée réduite ;, alors pour tout,, il eiste u uique réel tel que =. Dem : = ( ) = + O défiit la foctio g sur R par g P f d. O rappelle que la foctio f d est la primitive sous forme itégrale de f qui s'aule e. La foctio g est doc cotiue et dérivable de dérivée f. Comme R, f >, la foctio g est doc strictemet croissate. + + La foctio g est cotiue, strictemet croissate sur R et F = et lim g = e d =. + π D'après le TVI, comme est compris etre F et lim g, + il eiste u uique réel u R tel que g u =. Eemple : Détermier u.5.96 et u Avec la calculette : + = = = ère méthode : O utilise P( Z ) π ( ) π ( )
10 la foctio IvNormCD ivnorm casio TI et spire permet de calculer = IvNormCD ivnorm + + ème méthode : O trace le graphe R + P( ) NormCD la foctio ormalcdf ormcdf casio TI TI spire permet de tracer ( ) ( ) NormCD, P Z = ormalcdf, ormcdf, Eercice : Si la variable aléatoire suit la loi ormale N(,), détermier u.. Propriété : Corollaire du théorème de Moivre-Laplace Si la variable aléatoire suit ue biomiale B(, p), alors la fréquece des succès F = p( p) p( p) vérifie pour tout ], [, lim P p u F p + u = + où u vérifie P u Z u = avec Z N,. ( ) ( ) p p p p L'itervalle I = p u, p + u est appelé itervalle de fluctuatio asymptotique de F. Démostratio : Si suit la loi biomiale B, p alors d'après le théorème de Moivre-Laplace : E ( ) ( ) lim P u u = P( u Z u ) où Z N (, ). + σ O ote F = : E p u u u u u p( p) + p u p( p) + p σ ( ) p( p) ( ) ( ) ( ) ( ) p p p p p p p p p u F p + u + p p u F p + u ( ) ( ) ( ) lim + σ ( ) p p p p E Doc lim P p u F p + u = P u u + = P u Z u = A coaitre : u.5.96 et u..58 E pratique : O rappelle que la limite du théorème de Moivre-Laplace est pratiquemet atteite quad p ( p) 3, 5 et 5. a) Applicatio pratique : «Itervalles de fluctuatios asymptotiques à 95 %» O souhaite, par eemple détermier les itervalles de fluctuatio au seuil.95 (c est-à-dire avec =.5 ).
11 O a vu que u.5.96 : Itervalles de fluctuatio au seuil 95 % Si la variable aléatoire suit ue biomiale B, p, ( ) ( ) p p p p alors la fréquece des succès F fluctue das l'itervalle I = p.96, p +.96 avec ue probabilité d'autat plus proche de.95 que est grad. Eemple : Si o repred l eemple du dé avec.5 p =, o a p ( p) 3 et = = 3.5 = 5 5 et : I = [.4,.6] I = [.47,.53] I4 = [.48,.5] La fréquece d apparitio du pile appartiet doc à l itervalle [.48,.5] avec ue probabilité proche de.95. b) Versio simplifiée (programme de secode) Si la variable aléatoire suit ue biomiale B, p, ] [ alors pour tout p,, il eiste u etier tel que, F fluctue das l'itervalle p, p + avec ue probabilité supérieure à 95 %. Dem: ( p) p p p p ) Motros d'abord que p, p + p, p + E étudiat la foctio ( ) sur [, ], o motre qu'elle admet u maimum égal à. 4 p O e déduit que et doc l'iclusio. ) Preos u =, o calcule alors.45. ( ) ( ) p p p p D'après le corallaire du Théorème de Moivre-Laplace lim P p F p Il eiste doc u etier p p p p tel que dès que : P p F p + >.95 ( ) ( ) p p p p Comme P p F p + P p F p + >.95. Eercice : du livre page 47 U fabricat de diodes électrolumiescetes (LED) garatit que la probabilité qu ue diode e foctioe pas vaut au plus.3. Pascal s est fait livrer 5 diodes. O ote le ombre de diodes défectueuses parmi les 5 diodes et F leur fréquece. ) Quelle est la loi suivie par? ) D après Moivre-Laplace, das quel itervalle fluctue F avec ue probabilité.95? 3) E déduire que fluctue à plus de 95% das l itervalle [7,74]. Pascal a costaté que 7 diodes e foctioaiet pas das le lot de 5 qu il a commadé. Il trouve que ce ombre est trop élevé. Peut-il cosidéré que le lot est «o coforme»? 4) Quelle est la probabilité pour qu u lot e soit pas coforme? 5) Si le lot de Pascal avait coteu aucue diode défectueuse, aurait-il été cosidéré comme coforme?
12 6) Pascal trouve cette règle de décisio absurde, il propose ue autre règle : si le lot cotiet mois de 7 diodes défectueuses, alors il est jugé coforme. Suivat cette ouvelle règle, qu elle est la probabilité qu u lot e soit pas coforme? 7) Quelle règle de décisio vous parait plus adaptée au problème : celle de fabricat ou celle de Pascal? 8) Selo sa règle de décisio, le lot reçu par Pascal est-il coforme? ) Estimatio du paramètre p d ue loi B(,p) Situatio : Cosidéros ue epériece à deu issues cotraires dot o e coait pas la probabilité p. O désire estimer au mieu p à partir e epérieces idépedates. E otat le ombre de succès, il est aturel de proposer comme estimatio F =. A quel poit peut-o se fier à cette estimatio? Propriété : Lorsque est assez grad ( e pratique 3, p 5 et ( p) 5 ), P p F, F O dit que F, F + est u itervalle de cofiace à 95 %. Admis. Eemple : Lors d u scruti électoral, o souhaite coaître la proportio p de fraçais qui voterot pour u cadidat «A». U istitut de sodages mèe ue equête auprès de persoes tirées au hasard. Le résultat idique de 49% d etre-elles voterot pour le cadidat «A». ) Quelle est la loi suivie par le ombre de persoes votat «A» das cette equête? ) Etat doé le résultat de l equête, doer u itervalle de cofiace à 95 % pour la proportio p. 3) Peut-o affirmer d après l equête que le cadidat «A» aura pas la majorité des votes? Eercices résolus 4 et 5 page 39-
13 A savoir Rappel de secode : E secode, o a vu que pour > 5 et. < p <.8, l'itervalle p, p + costitue u itervalle de fluctuatio au seuil 95 %. O veut tester l hypothèse selo laquelle la pièce est équilibrée, c est-à-dire que p =.5. O a = 44 et l'itervalle de fluctuatio au seuil 95% est doc [.48,.5 ]. 48 La fréquece du pile das l échatillo est f = Cette fréquece appartiet à l itervalle de fluctuatio, o peut doc accepter l hypothèse «la pièce est équilibrée». Rappel de première : E supposat que la pièce est équilibrée, la variable aléatoire qui déombre les résultats pile obteus das B 44,.5. l échatillo suit ue loi biomiale O a vu e première que l itervalle de fluctuatio à 95% associé à est l itervalle ( ) k est le plus petit des etiers k vérifiat P k >.5 k est le plus grad des etiers k vérifiat P k.975 O détermie k et k e réalisat des simulatio sur tableur : k k, où ( Nbsuccès Nbtirages proba ) = LOI.BINOMIALE ; ; ; O obtiet k = 958 et k = L'itervalle de fuctuatio est doc ; = [.4847;.553] Ce qui est assez proche des valeurs approchées obteues e secode.
FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI
FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue
Plus en détailComportement d'une suite
Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer
Plus en détailx +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.
EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite
Plus en détailChapitre 3 : Fonctions d une variable réelle (1)
Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s
Plus en détailLimites des Suites numériques
Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet
Plus en détailIntégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :
Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +
Plus en détailExercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1
Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a
Plus en détailSTATISTIQUE : TESTS D HYPOTHESES
STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie
Plus en détailCours de Statistiques inférentielles
Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios
Plus en détailII LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009
M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted
Plus en détail55 - EXEMPLES D UTILISATION DU TABLEUR.
55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique
Plus en détailSéquence 5. La fonction logarithme népérien. Sommaire
Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa
Plus en détailDénombrement. Chapitre 1. 1.1 Enoncés des exercices
Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.
Plus en détailDeuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES
DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces
Plus en détailStatistique descriptive bidimensionnelle
1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets
Plus en détail. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1
Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S
Plus en détailEXERCICES : DÉNOMBREMENT
Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris
Plus en détailEtude de la fonction ζ de Riemann
Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.
Plus en détailProcessus et martingales en temps continu
Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de
Plus en détail1 Mesure et intégrale
1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios
Plus en détailTerminale S. Terminale S 1 F. Laroche
Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM
Plus en détailPrincipes et Méthodes Statistiques
Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............
Plus en détailc. Calcul pour une évolution d une proportion entre deux années non consécutives
Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages
Plus en détailÉchantillonnage et estimation
Stage «Nouveaux programmes de Termiale S» - Ho Chi Mih-Ville Novembre 202 Échatilloage et estimatio Partie C - Frédéric Barôme page Échatilloage et estimatio Partie C : Capacités et exercices-types. Rappelos
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =
[http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.
Plus en détailcapital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...
Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
Plus en détailSTATISTIQUE AVANCÉE : MÉTHODES
STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................
Plus en détailExo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X
Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour
Plus en détailUniversité Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME
Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par
Plus en détailCours 5 : ESTIMATION PONCTUELLE
Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-
Plus en détailSéries réelles ou complexes
6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés
Plus en détailPolynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.
Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités
Plus en détailSÉRIES STATISTIQUES À DEUX VARIABLES
1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1
Plus en détailCHAPITRE 2 SÉRIES ENTIÈRES
CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.
Plus en détail20. Algorithmique & Mathématiques
L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus
Plus en détail14 Chapitre 14. Théorème du point fixe
Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de
Plus en détailConvergences 2/2 - le théorème du point fixe - Page 1 sur 9
Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios
Plus en détailLa France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe
1/5 Trois objectifs poursuivis par le gouveremet : > améliorer la compétitivité fiscale de la Frace > péreiser les activités de R&D > faire de la Frace u territoire attractif pour l iovatio Les icitatios
Plus en détailSuites et séries de fonctions
[http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de
Plus en détailDénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions
Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter
Plus en détailLes Nombres Parfaits.
Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice
Plus en détailTRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )
RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **
Plus en détailConsolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe
Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das
Plus en détailChap. 5 : Les intérêts (Les calculs financiers)
Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie
Plus en détailUniversité de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015
Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir
Plus en détailChapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.
Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE
Plus en détailUV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1
UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau
Plus en détailStatistiques appliquées à la gestion Cours d analyse de donnés Master 1
Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques
Plus en détailUNIVERSITÉ DE SFAX École Supérieure de Commerce
UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première
Plus en détailProbabilités et statistique pour le CAPES
Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes
Plus en détailUniversité Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014
Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,
Plus en détailLES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.
Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la
Plus en détailChapitre 3 : Transistor bipolaire à jonction
Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats
Plus en détailExercices de mathématiques
MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris
Plus en détailSTRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO
Des résultats du Programme de réductio des risques STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO 1. Cotexte La puaise tere Lygus lieolaris (figure 1) est
Plus en détailUNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4
UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»
Plus en détailLa maladie rénale chronique
La maladie réale chroique Qu est-ce que cela veut dire pour moi? Natioal Kidey Disease Educatio Program La maladie réale chroique: l essetiel Vous avez été iformé(e) que vous êtes atteit(e) de la maladie
Plus en détailGroupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3
1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que
Plus en détail2 ième partie : MATHÉMATIQUES FINANCIÈRES
2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul
Plus en détailExamen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot
Exame fial pour Coseiller fiacier / coseillère fiacière avec brevet fédéral Recueil de formules Auteur: Iwa Brot Ce recueil de formules sera mis à dispositio des cadidats, si écessaire. Etat au 1er mars
Plus en détailRESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)
RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *) *) Uiversité de Blida Faculté des scieces Départemet de Mathématiques. BP 270, Route de Soumaa. Blida, Algérie. Tel &
Plus en détailEtude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?
Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres
Plus en détailStatistique Numérique et Analyse des Données
Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus
Plus en détail4 Approximation des fonctions
4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour
Plus en détailProcessus géométrique généralisé et applications en fiabilité
Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR
Plus en détailChaînes de Markov. Arthur Charpentier
Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.
Plus en détailSolutions particulières d une équation différentielle...
Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod
Plus en détailLe marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.
II LE MARCHE DU CAFE 1 L attractivité La segmetatio selo le mode de productio Le marché du café peut être segmeté e foctio de deux modes de productio pricipaux : la torréfactio et la fabricatio de café
Plus en détailChap. 6 : Les principaux crédits de trésorerie et leur comptabilisation
Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires
Plus en détailFormation d un ester à partir d un acide et d un alcool
CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester
Plus en détailSommaire Chapitre 1 - L interface de Windows 7 9
Sommaire Chapitre 1 - L iterface de Widows 7 9 1.1. Utiliser le meu Démarrer et la barre des tâches de Widows 7...11 Démarrer et arrêter des programmes...15 Épigler u programme das la barre des tâches...18
Plus en détailGérer les applications
Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces
Plus en détailPROMENADE ALÉATOIRE : Chaînes de Markov et martingales
PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières
Plus en détailDares Analyses. Plus d un tiers des CDI sont rompus avant un an
Dares Aalyses javier 2015 N 005 publicatio de la directio de l'aimatio de la recherche, des études et des statistiques Plus d u tiers des CDI sot rompus avat u a Le cotrat de travail à durée idétermiée
Plus en détailRégulation analogique industrielle ESTF- G.Thermique
Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité
Plus en détail3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.
3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios
Plus en détailDes résultats d irrationalité pour deux fonctions particulières
Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received
Plus en détailOne Office Voice Pack Vos appels fixes et mobiles en un seul pack
Uique! Exteded Fleet Appels illimités vers les uméros Mobistar et les liges fixes! Oe Office Voice Pack Vos appels fixes et mobiles e u seul pack Commuiquez et travaillez e toute liberté Mobistar offre
Plus en détailInitiation à l analyse factorielle des correspondances
Fiche TD avec le logiciel : tdr620b Iitiatio à l aalyse factorielle des correspodaces A.B. Dufour & M. Royer & J.R. Lobry Das cette fiche, o étudie l Aalyse Factorielle des Correspodaces. Cette techique
Plus en détailNeolane Message Center. Neolane v6.0
Neolae Message Ceter Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord.
Plus en détailUn nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction
A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés
Plus en détailRisque de longévité et détermination du besoin en capital : travaux en cours
Risque de logévité et détermiatio du besoi e capital : travaux e cours Frédéric PLANCHET ISFA Laboratoire SAF Versio.6 / Septembre 2008 Sommaire La prise e compte de l expériece propre au groupe das l
Plus en détailIntroduction : Mesures et espaces de probabilités
Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,
Plus en détailMESURE DE L'INFORMATION
MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE
Plus en détailMobile Business. Communiquez efficacement avec vos relations commerciales 09/2012
Mobile Busiess Commuiquez efficacemet avec vos relatios commerciales 9040412 09/2012 U choix capital pour mes affaires Pour gérer efficacemet ses affaires, il y a pas de secret : il faut savoir predre
Plus en détailRéseaux d ondelettes et réseaux de neurones pour la modélisation statique et dynamique de processus
Réseaux d odelettes et réseaux de euroes pour la modélisatio statique et dyamique de processus Yacie Oussar To cite this versio: Yacie Oussar. Réseaux d odelettes et réseaux de euroes pour la modélisatio
Plus en détailNeolane Leads. Neolane v6.0
Neolae Leads Neolae v6.0 Ce documet, aisi que le logiciel qu'il décrit, est fouri das le cadre d'u accord de licece et e peut être utilisé ou copié que das les coditios prévues par cet accord. Cette publicatio
Plus en détailModule 3 : Inversion de matrices
Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que
Plus en détailTélé OPTIK. Plus spectaculaire que jamais.
Télé OPTIK Plus spectaculaire que jamais. Vivez toute la puissace de la télévisio sur IP grâce au réseau OPTIK 1 de TELUS et découvrez-e l extraordiaire potetiel. Télé OPTIK MC vous doe la parfaite maîtrise
Plus en détailLes études. Recommandations applicables aux appareils de levage "anciens" dans les ports. Guide Technique
es Cetre d Etudes Techiques Maritimes et Fluviales Les études Recommadatios applicables aux appareils de levage "acies" das les ports Guide Techique PM 03.01 Cetre d Etudes Techiques Maritimes et Fluviales
Plus en détailOptions Services policiers à Moncton Rapport de discussion
Optios Services policiers à Mocto Rapport de discussio Le 22 ovembre 2010 Also available i Eglish TABLE DES MATIÈRES Chapitre 1.0 Sommaire 3 Chapitre 2.0 Problématique 4 Chapitre 3.0 Cotexte 5 Chapitre
Plus en détailPOLITIQUE ECONOMIQUE ET DEVELOPPEMENT
POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier
Plus en détailTempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation
Tempêtes : Etude des dépedaces etre les braches Automobile et Icedie à l aide de la théorie des copulas Topic Risk evaluatio Belguise Olivier Charles Levi ACM Guy Carpeter 34 rue du Wacke 47/53 rue Raspail
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailDETERMINANTS. a b et a'
2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio
Plus en détailRésolution numérique des équations aux dérivées partielles (PDE)
Résolutio umérique des équatios au dérivées partielles (PDE Sébastie Charoz & Adria Daerr iversité Paris 7 Deis Diderot CEA Saclay Référeces : Numerical Recipes i Fortra, Press. Et al. Cambridge iversity
Plus en détail